P7 Deep Learning
深度学习的发展趋势
深度学习的三个步骤
Step1 ： Neural Network
Fully Connect Feedforward Network（全连接）
Deep = Many hidden layers
矩阵运算
神经网络的本质：通过隐藏层进行特征转换
示例-手写数字的识别
FAQ：（深度学习的好处：自动提取特征，end-to-end learning，喂数据即可）
Step2: 模型评估
Step3：选择最优函数
P8 Why Deep？
问题1：越深越好？（是的，参数更多，性能更好）
问题2：为什么不选择宽的而是选择深的？（参数一样的情况下，深的错误率更低）
解释上面的原因（模组化，共用）
举例（语音辨识，门电路，剪窗花）
总结：深度更有效率（less parameters -> less data, 深度学习并不是暴力碾压）
深度学习的终极好处：End-to-end Learning（自动学习）
解释机器为什么能自动学习：每一层的hidden layer都在做特征转换
